求一个虾皮内推码

1. 说一下 SFT、RLHF、DPO 的区别，线上项目里你会怎么选？答：SFT 是监督微调，核心是让模型学会“像人一样回答”，训练数据一般是 prompt-response 对，优点是简单直接、稳定、成本低，适合把基座模型先拉到业务可用水平。RLHF 是先做 SFT，再训练奖励模型，然后通过 PPO 之类的方法让模型朝着“人类更偏好”的方向优化。优点是能更细致地对齐人类偏好，缺点是链路长、训练复杂、容易不稳定。DPO 可以理解成不显式训练奖励模型、也不走复杂强化学习，而是直接利用偏好对做优化，训练上比 RLHF 更简单，效果在很多场景下也不错。如果是企业大模型应用，通常优先级往往是 SFT ...

offer审批等了三天今天终于下来了，一个不好的消息就是暑期变日常了，但是hr说还是可以转正，感觉转正机会还是很渺茫的听说也是晚上十点十一点下班

投boss已经投麻了，好多都是已读不回，找不到啥约面的机会，想求问一下各位大佬现在是继续找日常好，还是冲暑期好，找暑期我怕要求太高过不了面两个项目都是我问ai写的，求问大佬们还有啥需要改进的地方吗

周一早上，导师站在我工位旁边，把笔记本电脑转向我，屏幕上是一张监控大盘。 "这周我去上海出差，跨团队做技术对齐。这几个核心指标你盯着，有异常先看看，拿不准再找我。" 我点了点头，心里其实有点紧张。来拼多多实习两个多月了，系统的代码我已经比较熟悉，日常的需求开发也能独立完成。但"系统交给你"这五个字的重量，我是第一次感受到。 导师像是看出了我的犹豫，拍了拍我的肩："放心，之前你处理的那几个问题都挺好的。遇到不确定的，群里喊一声就行。" 前三天，一切风平浪静。我按部就班地处理了两个小需求，跟进了一个测试环境的问题，还帮隔壁组的同学排查了一...